一个字节一定是8比特吗?如何查看二进制文件前几个字节?计算机存储单元bit？数据类型大小？
目录
一个字节一定是8比特吗?
如何查看二进制文件前几个字节?
计算机存储单元bit
数据类型大小
sizeof
char类型
short类型
int类型
long类型
long long类型
float类型
double类型
long double类型
char *类型
一个字节一定是8比特吗?
不是的，虽然当今主流计算机系统，大部分都把一个字节定义为8比特，但计算机早期，真的不是这样。正因为如此，C语言存在CHAR_BIT宏，可以定义为非8数值.
- 早期PDP-10字节是9位。
- C语言早期并没有定义此标准，随着计算机系统不断统一，C99就引入了stdint.h, 有int8_t, int16_t之类的固定大小类型。
如何查看二进制文件前几个字节?
BOM检查是有的程序员经常干的事情，可以利用hexdump + head命令获取二进制文件的前面的字节。例如检查1.c文件二进制dump后的前面2行:
hexdump 1.c | head -2
0000000 bbef 23bf 6e69 6c63 6475 2065 733c 6474
0000010 6f69 682e 0a3e 6923 636e 756c 6564 3c20
可以看到开头的几个字节：EF BB BF, 是UTF-8 BOM的标志。
注意，Windows默认没有hexdump命令，需借助Cygwin的支持，当然也可以使用git工具里面的xxd命令。当然，有人写了Windows hexdump，可从如下地址下载：HEXDUMP for Windows (di-mgt.com.au)
计算机存储单元bit
大部分计算机最小内存操作单元是字节，JESD DRAM标准DQ位宽也经常按8 bits为单位。英文字母ASCII码虽然可以优化为7位，但7不是一个计算机的好数字，按8位算是最优空间。当然，CPU也有提供位操作指令可以读取或者更新特定的比特。
数据类型大小
编译型语言数据类型大小比较确定，可能有多种，但具体在特定平台特定编译器，大小一定是确定的。解释型语言或脚本处理数据类型更自由，默认看成“字符串”，在做数值运算自动转换。本文不过多讨论脚本类语言，它们不太关心这么多细节。
以如下标准的数据类型为例：
- char / short / int / long (long) / float / (long) double
sizeof
- C/ObjC/C++/C# 都提供sizeof运算符计算类型大小，尽管如此，编译型语言类型大小不是完全统一，甚至完全不是预期。
- C/ObjC/C++ sizeof既是关键字又是运算符，此运算符是编译器计算而非运行期计算。比较有意思的是，虽然是编译期可计算，它不能用于宏条件编译判断。
- Java没有sizeof运算符，因为它认为所有数据类型大小都是确定的，依然可以用<TYPE>.SIZE得到类型的比特数。
Integer.SIZE返回32. - Python用getsizeof获取变量大小，包括对象的其他内存开销，如下并不是等于4或者8.
sys.getsizeof(1) - 结构体的大小不一定等于所有成员大小之和，对齐影响最终的大小。
- 空类大小是0吗? C++不为0，为了避免不同对象在同一个地址。
char类型
- C/ObjC/C++ char类型为1字节，wchar_t一般为2字节。
- ObjC NSString字符串内部默认是UTF-16编码，一个字符是2字节。
- Java/C# char类型默认是Unicode字符，2字节。
C# char类型和ushort类型范围是一样的。 - Go有两种字符类型，byte是以往的1字节字符，rune代表4字节Unicode字符(相当于int32类型)。
- Swift用Character代表字符类型，Swift 5之前默认字符是UTF-16或ASCII码存储，即一个字符可能是1字节或2字节，Swift 5之后(包含)默认是UTF-8编码，根据字符所属范围长度不等。
short类型
- Fortran支持的整形之一，kind = 2代表2字节。
- C/C++不直接规定它的长度，要求不大于int类型，不小于char类型。具体实现一般为2字节。
- Java/C#中short固定为2字节。
int类型
- int类型代表计算机系统处理整形最自然的长度，一般和数据寄存器长度一样。
- 和short类型，Fortran kind=4即代表常规意义的标准的整形。
- 和short类似，C/ObjC/C++不直接规定它的长度，要求不大于long类型，不小于short类型。具体实现一般为4字节。
- 一般而言，16位系统int是2字节，32位系统int为4字节，而64位系统并不一定是8字节，因为有long的存在。
- Java/C#固定为4字节。
- Rust isize和usize类型长度取决于目标平台，i32和i64是固定大小。
- 仓颉Int32固定4字节，Int64固定8字节。
long类型
- C/C++规定long类型只要不小于int类型即可。
- Fortran kind=8代表8字节整形，有点类似于64位系统long的长度(一般而言)。
- 32位编译器，int和long一般都设置为4字节，另外Windows 16位环境下long也是4字节。
- 64位编译器，Linux平台long一般提升到8字节，int一般保持为4字节；Windows平台long和int保持为4字节，用long long表示8字节。这是由于Win64使用LLP64模型，Linux 64位使用LP64.
- 关于Windows 64位LLP64模型，可参考: Why did the Win64 team choose the LLP64 model?
- Java/C#固定为8字节。
long long类型
- 大部分编译器认为它不小于long类型即可，在64位系统一般为8字节。因为目前没有广泛使用128位系统，long long一般不会超过16字节。
float类型
- 一般float类型定义为4字节。
double类型
- 一般double类型定义为8字节。
long double类型
- 一般long double类型至少不小于double类型，不同编译器环境有差异。
- 不一定是16字节，可能保持和double类型一样为8字节，也可能是10字节。
- 32位的gcc比较特殊，long double长度为12字节。gcc也提供编译选项选择long double的长度，例如: -m128bit-long-double或-mlong-double-80等等.
- 带复数的complex long double类型一般是long double的2倍。
char *类型
- C/C++对char *类型的处理不能完全按指针，要根据上下文。
- sizeof("hello")返回5，而不是指针的大小4或者8.
- 数组变量的sizeof返回数组大小，而非数组的影子指针大小。
- 总结起来，当编译器能知道它的大小，就按那个大小，不能确定大小，按指针大小。
若文章对您有帮助，欢迎关注 程序员小迷 。助您在编程路上越走越好！
微风不燥，阳光正好，你就像风一样经过这里，愿你停留的片刻温暖舒心。
我是 程序员小迷 （致力于C、C++、C#、Android、iOS、Java、Kotlin、Objective-C、Swift、Shell、JavaScript、TypeScript、Python等编程技术的技巧经验分享），若作品对您有帮助，请关注、分享、点赞、收藏、在看、喜欢，您的支持是我们为您提供帮助的最大动力。